用Gemini Enterprise实现智能KYC：中型银行案例（从4小时到12分钟）

KYC（了解你的客户）是巴西银行用于验证身份、财务能力和风险画像的监管流程。依据BCB第119/2021号决议和3.978/2020号通函要求执行。手动KYC成本高昂：阅读文件、交叉核查数据库、分析负面媒体信息、进行风险分类。

本文详细说明我们如何为一家巴西中型银行构建了这套自动化流程的智能体。客户名称受NDA保护——数据均为真实数字。

之前：起点

问题不在于人手不足——而在于流程。每次分析涉及7个不同系统（联邦税务局、Serasa、Sintegra、Detecta、负面媒体、公司章程、内部系统）。待处理分析长期积压约800件。

智能体架构

智能体基于Gemini Enterprise Plus构建（每用户每月US$ 39，包含自定义工具和Vertex AI Agent Builder访问权限）。

1. 多模态摄取：公司章程PDF、合伙人证件、地址证明、营业收入。Gemini 2.5 Pro提取结构化数据（CNPJ、合伙人、注册资本、经营范围、地址）。
2. 查询工具：
   • 联邦税务局（活跃CNPJ、注册状态、合伙人结构）。
   • Serasa（企业评分及个人合伙人评分）。
   • Sintegra（州级状态）。
   • PEP及制裁名单（内部数据库 + 巴西中央银行）。
   • 负面媒体（带时间过滤的结构化搜索）。
3. 推理：Gemini 2.5 Pro编排工具调用，构建档案，识别不一致之处（注册资本与营业收入不符、合伙人存在限制记录、经营范围与历史不符）。
4. 风险分类：智能体建议低/中/高风险等级，并按每项标准提供依据说明及证据引用。
5. 输出：结构化PDF档案 + 内部系统录入 + 向人工分析师发出告警。

90天成果

NPS的结果令人意外。曾经担心被替代的分析师成了系统的拥趸：工作从复制粘贴变成了在完整档案基础上的批判性分析。

BACEN治理：必须就绪的内容

• 每个案例均有书面记录的最终人工决策。
• 完整审计日志：谁查询了什么、调用了哪些工具、查阅了哪些文件、给出了什么建议、谁做了审批。
• 数据驻留于sa-east1并退出训练数据使用。
• 详细DPIA，包含风险矩阵（模板见Gemini Enterprise项目DPIA）。
• 持续运营计划：若智能体宕机，手动流程无缝接管，不影响业务。
• 季度偏见评估：每月抽取100份分析样本，比较智能体推荐与人工决策。

过程中踩过的坑

错误1：对扫描合同使用通用OCR

首次试点在22%的旧版扫描合同上失败。迁移到Gemini 2.5 Pro多模态直接处理PDF后——错误率降至2%。

错误2：提示词缺乏锚定

当法律依据无法覆盖某类案件时，智能体会"幻觉"出风险分类。我们重写了提示词，强制要求："若此案例的规则不在附属标准文档中，请分类为'需要人工审核'——不得凭空编造"。可验证的幻觉 → 归零。

错误3：负面媒体工具缺乏时间窗口

智能体将2009年的新闻与2026年的新闻视为同等相关。添加了时间过滤器（默认最近3年，有限制记录的合伙人为7年）和按严重程度排序。

错误4：低估了变更管理的难度

合规团队在前两周产生抵触——将其视为威胁。通过动手实操工作坊解决：每位分析师在督导下使用智能体处理真实案例。当他们发现"节省"出的时间变成了更有价值的工作（复杂欺诈分析、深度分析）时，态度发生了转变。

项目成本

直接节省：1,800次分析 × R$ 166 = 每月R$ 298,800。回本周期：上线后约5周。使用ROI计算器计算您的场景。

可复制性

该模式可在任何具备以下特征的流程中复制：(a) 高处理量，(b) 规则明确但数量多，(c) 需查询多个系统，(d) 最终决策允许人工复核。我们已将相同架构应用于财务对账、信贷分析和供应商入职。

延伸阅读

• AML/PLD与Gemini Enterprise智能体
• Gemini Enterprise项目DPIA
• 企业RAG与Vertex AI Search